Whatnot купил Shaped за рекомендации нейросети в реальном времени: задержка упадёт с минут до секунд

Whatnot, приложение для торговли в прямых трансляциях, запущенное в 2019 году, сообщил о сделке в среду. По данным TechCrunch, приобретение Shaped усиливает ставку Whatnot на ИИ в момент, когда крупные ресейл-площадки вроде eBay и Poshmark тоже встраивают нейросети в свои платформы. Площадка уже прошла отметку в миллиард заказов от продавцов.

Зачем Whatnot понадобились рекомендации нейросети нового уровня?

Проблема живой коммерции в том, что классические рекомендательные системы рассчитаны на стабильный каталог. Whatnot устроен иначе: аукционы стартуют и заканчиваются непрерывно, лоты исчезают за минуты, а намерение покупателя может сменить направление прямо по ходу эфира.

«Скорость критична, потому что лайв-коммерция это уникально сложная задача для рекомендаций. Товарный запас меняется каждую секунду, шоу стартуют и заканчиваются непрерывно, а намерение покупателя сдвигается прямо по ходу трансляции.» : Эммануэль Фуэнтес, вице-президент по данным и ИИ в Whatnot

Shaped разработала технологию, которая объединяет имеющиеся данные о покупателях с большими языковыми моделями (LLM, модели, обученные на огромных массивах текста) и машинным обучением, чтобы выдавать персонализированный поиск и рекомендации. Среди клиентов Shaped до покупки были сервис аренды транспорта Outdoorsy и телемагазин QVC.

Что меняется после сделки?

• Команда Shaped переходит в Whatnot. Основатель и генеральный директор Shaped Талли Маррелл и около десятка инженеров и исследователей ИИ вливаются в штат. Маррелл возглавит новую группу прикладных исследований ИИ (Applied AI Research). До создания Shaped Маррелл работал в Meta.
• Рекомендации должны стать ещё быстрее. За шесть лет Whatnot сократил задержку рекомендаций с примерно суток до минут. Интеграция технологий Shaped, по заявлению компании, приблизит скорость к реальному времени.
• Масштаб данных уже огромный. Системы Whatnot обрабатывают более 500 000 часов живого видео и миллионы взаимодействий в реальном времени каждую неделю, используя эти данные для постоянного улучшения рекомендаций.
• Каталог расширяется стремительно. В прошлом году Whatnot запустил более 35 новых категорий (искусство, гольф, винил и другие), а за первую половину 2026 года добавил ещё более 45 категорий, новые подкатегории появляются ежемесячно.

Какие масштабы у Whatnot?

Компания привлекла 225 млн долларов в раунде Series F в прошлом году, получив оценку более 11 млрд долларов (по данным TechCrunch). За тот же период площадка добавила 20 миллионов покупателей. Продавцы на платформе суммарно преодолели отметку в 1 миллиард заказов.

Эти цифры ставят Whatnot в ряд с крупными мировыми маркетплейсами. Приобретение ML-команды на фоне такого роста выглядит как подготовка инфраструктуры к следующему скачку нагрузки на рекомендательную систему.

Как попробовать?

1. Зайдите на сайт Whatnot или скачайте приложение (iOS, Android). Зарегистрируйтесь как покупатель и посмотрите, как работают рекомендации нейросети в живых трансляциях: приложение предлагает эфиры и лоты на основе ваших интересов.
2. Если вы продавец или маркетолог, изучите механику категорий: более 80 категорий с подкатегориями дают представление о том, как крупная площадка сегментирует быстро меняющийся каталог. Это полезный ориентир для любого, кто строит продажи через эфиры.
3. Следите за обновлениями Applied AI Research группы Whatnot: публикации команды Маррелла могут раскрыть подходы к рекомендациям в динамичном каталоге, применимые и за пределами платформы.

Есть ли аналоги в России?

В РФ прямого аналога Whatnot нет, но задача та же: Ozon, Wildberries и «Яндекс Маркет» активно развивают рекомендательные алгоритмы для своих маркетплейсов. Ozon, например, уже использует ML-модели для персонализации выдачи. Однако ни одна из этих площадок не ведёт массовые живые аукционы с секундным обновлением каталога, именно в этом уникальность кейса Whatnot.

Для российских авторов, продающих через стримы на маркетплейсах или собственных площадках, опыт Whatnot показывает направление: чем динамичнее ваш каталог, тем быстрее должны работать рекомендации нейросети. Пока в РФ этот разрыв закрывается вручную (оператор подбирает товары в эфире), но рано или поздно ML-рекомендации в стримах придут и на российские площадки.

Частые вопросы

Что такое Shaped и почему Whatnot купил именно эту компанию?

Shaped, это ML-компания (ML, машинное обучение, когда алгоритм учится на данных, а не работает по жёстким правилам), которая строила рекомендательные системы реального времени для бизнеса. Среди её клиентов были Outdoorsy и QVC. Whatnot купил Shaped ради технологии, которая соединяет данные о покупателях с большими языковыми моделями для мгновенной персонализации. Это позволяет подбирать товары в эфире, пока аукцион ещё идёт.

Повлияет ли сделка на обычных покупателей Whatnot?

По заявлению компании, рекомендации должны стать быстрее и точнее. Практически это означает, что лента предложений во время трансляции будет обновляться ближе к реальному времени: покупатель увидит релевантные лоты, даже если они появились секунды назад.

Можно ли использовать подход Whatnot на российских маркетплейсах?

Напрямую, нет: технология Shaped войдёт внутрь Whatnot и не будет продаваться отдельно. Но сам принцип (ML-модель, которая обучается на поведении покупателя в реальном времени и подстраивает выдачу за секунды) уже применяется на Ozon и «Яндекс Маркете» для статичного каталога. Для стримов с аукционами в РФ готовых решений пока нет, и это открытая ниша.

Whatnot показал конкретный путь: шесть лет итераций, сокращение задержки рекомендаций с суток до минут, а теперь покупка целой команды, чтобы дойти до секунд. Для тех, кто строит продажи через живые эфиры в любой стране, это ориентир, на какой скорости рекомендательная система перестаёт быть обузой и начинает продавать сама.